[目标检测]-涨点trick之ATSS:Bridging the Gap Between Anchor-based and Anchor-free Detection笔记

1.论文及代码

1.论文:https://arxiv.org/abs/1912.02424
2.代码:https://github.com/sfzhang15/ATSS

2.动机及结论

本文主要探讨anchor-base与anchor-free的目标检测算法之间的差异是由什么引起的？

• 1.论文主要阐述了对于正负样本的定义和选取对模型最终效果的影响。
  通过一系列的实验最终指出，anchor free的FCOS与anchor-based的RetinaNet的本质区别是正/负样本的选择方式不同。
• 2.进一步提出了一种改进方法即ATSS，对目前的正负样本选择效果进一步提升。
• 3.指出在使用了ATSS方法后，检测头每个像素点对应多个anchor对最终的性能没有太大影响
• 4.在不引入额外开销的情况下，实现了MS COCO的最佳表现

3.anchor-base与anchor-free定义正负样本差异

分别以 RetinaNet和 FCOS 网络为例。
1.feature map上每个点对应的anchor数量不同
FCOS的feature map上一个点对应一个anchor
RetinaNet的一个点对应9个anchor（3种scale、3种ratio）

2.正/负样本的定义方式不同
FCOS的anchor中心在一个gt内，且满足尺度限制即为正样本
(尺度限制是指FCOS使用FPN时不同尺度的feature map上对anchor尺寸做了限制，使得小的feature map检测大目标，大的feature map检测小目标)
RetinaNet则是直接计算anchor与gt的IOU，大于一个阈值的记为正样本，小于一个阈值的记为负样本

<